Anndata详解

一、安装和导入

安装：pip install anndata

导入：import anndata as ad

import anndata as ad

# 创建数据
X = np.array([[1, 2], [3, 4], [5, 6]])
obs = pd.DataFrame(index=['i1', 'i2', 'i3'], data={
    'conditions': ['c1', 'c1', 'c2'],
    'gender': ['M', 'F', 'F']
})
var = pd.DataFrame(index=['gene1', 'gene2'], data={
    'bodypart': ['brain', 'heart'],
    'gene_type': ['gene_family', 'single_gene']
})
adata = ad.AnnData(X, obs, var)

二、快速浏览数据

可以使用以下属性和方法

# 数据形状
adata.shape

# 观测值（行）和变量（列）数目
adata.n_obs, adata.n_vars

# 观测值和变量名称
adata.obs_names, adata.var_names

# 观测值和变量属性
adata.obs, adata.var

# 列分组和聚合
adata.obs.groupby('conditions').mean()

三、高级浏览数据

可以使用以下方法查看详细信息

# 查看数据类型
adata.X.__class__, adata.obs.__class__, adata.var.__class__

# 列出所有的观测值和变量属性名
adata.obs_keys(), adata.var_keys()

# 查看属性值
adata.obs['conditions']

# 获取观测值和变量的子集
adata[adata.obs['conditions'] == 'c1']

# 将观测值或变量添加到数据中
adata.obs['percentile_rank'] = pd.qcut(adata.X.sum(axis=1), 3)
adata.var['std_scaler'] = StandardScaler().fit_transform(adata.X)[:, 0]

四、数据操作

可以使用以下方法更改数据

# 过滤数据
adata_sub = adata[:, adata.var['bodypart'] == 'brain']

# 删除变量
adata_sub = adata_sub[:, ~adata_sub.var.index.isin(['gene1'])]

# 合并数据
adata_1.concatenate(adata_2, axis=0, join='inner', batch_key='batch', batch_categories=[1,2])

五、可视化

可以使用以下方法可视化数据

# 散点图
sc.pl.scatter(adata, color=['conditions'])

# 热图
sc.pl.heatmap(adata, var_names=['gene1'], groupby='conditions', cmap='viridis')

# UMAP
sc.pp.neighbors(adata)
sc.tl.umap(adata)
sc.pl.umap(adata, color=['conditions'])